生成 AI と基盤モデルの経済事例

Jul 05, 2023

人工知能は 1950 年代以来、コンピューター サイエンスの中心となってきました。 また、長年にわたって、それを効果的に導入できる企業に多大な利益をもたらしてきました。 しかし、ウォール・ストリート・ジャーナルの最近の論説記事で説明したように、これは私たちがここで行うより詳細な議論の良い出発点であるが、それらの利益のほとんどはむしろ既存の大手ベンダー（Google や Meta など）に渡った。スタートアップよりも。 ごく最近まで、生成型 AI とそれに包含されるあらゆるものの出現により、直接競争や、古いものを時代遅れにするまったく新しい行動によって、大手の既存の同業他社の利益を深刻に脅かす AI ファーストの企業を私たちは見たことがありません。

ただし、生成 AI アプリケーションと基盤モデル (またはフロンティア モデル) では、状況は大きく異なります。 信じられないほどのパフォーマンスと導入は、猛烈なペースのイノベーションと相まって、マイクロチップとインターネット以来見られなかったレベルで私たちの生活と経済を変革するサイクルの初期段階にいる可能性があることを示唆しています。

この投稿では、従来の AI の経済性と、中核的な差別化要因として AI を使用するスタートアップ企業が脱出速度に達するのが一般的に困難である理由を探ります (これについては過去に記事を書きました)。 次に、生成 AI アプリケーションと大規模な基盤モデル企業が大きく異なる理由と、それが業界にとって何を意味するのかについて説明します。

歴史的に AI の問題は、AI が機能しないことではなく、長い間、驚くべき結果を生み出してきましたが、むしろ民間市場で魅力的な純粋なビジネス モデルを構築することに抵抗してきたことです。 基本的な部分を見てみると、AI から優れた経済性を得ることがスタートアップにとってなぜ難しいのかを理解するのは難しくありません。

多くの AI 製品は、「テール」と呼ばれることが多いまれな状況であっても、高い精度を提供することを保証する必要があります。 そして、多くの場合、特定の状況自体はまれであっても、全体としては多数のまれな状況が存在する傾向があります。 インスタンスが希少になるにつれて、それらを処理するために必要な投資レベルが急増する可能性があるため、これは重要です。 これらは、スタートアップ企業が合理化するには邪悪な規模の経済である可能性があります。

たとえば、80% の精度でサクランボを摘み取るロボットを構築するには 2,000 万ドルの投資が必要ですが、90% の精度が必要な場合、必要な投資は 2 億ドルに膨れ上がる可能性があります。 95% の精度を達成するには、10 億ドルかかる可能性があります。 人間にあまり依存せずに適切なレベルの精度を得るには、多額の先行投資が必要となるだけでなく (そうでなければ、何の意味があるのでしょうか?)、投資した資本に対する限界利益も減少します。 望ましいレベルの精度を達成し、維持するために必要となる莫大な費用に加えて、進歩に伴うコストの増大がリーダーにとっての防堀として機能する可能性があります。リーダーは研究開発に現金を費やし、一方、速い追随者は学習を積み上げます。わずかなコストでギャップを埋めることができます。

従来の AI の問題領域の多くは、誤った答えに対して特に寛容ではありません。 たとえば、カスタマー サクセス ボットは不適切なガイダンスを提供してはならず、小切手預金の光学式文字認識 (OCR) は銀行口座を誤って読み取ってはならず、(当然ですが) 自動運転車はいかなる違法または危険なことも行ってはなりません。 AI は、明確に定義された一部のタスクでは人間よりも正確であることが証明されていますが、コンテキストが重要なロングテール問題では人間の方が優れていることがよくあります。 したがって、AI を活用したソリューションでは、精度を確保するために依然として人間が関与していることが多く、この状況は拡張が困難であり、粗利を圧迫する厄介なコストとなることがよくあります。

人間の体と脳は、物理世界をナビゲートするために数億年にわたって進化してきたアナログ機械を構成しています。 エネルギー消費量は約 150 ワットで、ボウル一杯のお粥で動作し、尻尾の問題に対処するのが非常に得意で、世界の平均賃金は時給約 5 ドルです。 世界の一部の地域では、一部の仕事の平均賃金は 1 日あたり 1 ドル未満です。